推薦系統-產品與算法解析 王超 9787115635433 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：人民郵電
物品所在地：中國大陸
原出版社：人民郵電
NT$508
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202404*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：推薦系統-產品與算法解析 ISBN：9787115635433 出版社：人民郵電 著編譯者：王超 頁數：278 所在地：中國大陸 *此為代購商品 書號：1629504 可大量預訂，請先連絡。 內容簡介 本書以媒介變遷為整體脈絡，通過幾類推薦產品的發展趨勢來探討推薦產品創新的核心驅動力，以及由具體產品特性引發的技術變革。 全書內容分為5部分。第一部分從宏觀視角探討推薦產品從0到1進行創新的產品思路和技術思路；第二部分介紹革新傳統紙質媒介的新聞推薦和資訊推薦，包括關鍵演算法設計和產品設計；第三部分介紹構建線上社交網路的社交和社區推薦，以及如何通過協同過濾演算法模擬社交網路；第四部分從產品、生態和演算法設計的角度，介紹革新傳統影視行業的視頻推薦；第五部分以阿里推薦產品及其新興的競爭產品為例，介紹革新傳統貨架電商的商品推薦。作者簡介 王超（@德川），于北京大學獲得碩士學位后，曾就職于微博、汽車之家等公司的廣告部門，從事計算廣告領域的研究和實踐工作。現任百度主任研發架構師，從事個性化推薦領域相關的工作。目錄 第一部分 推薦產品的破局之道第1章 產品創新引領的供給側變革 1 1 媒介創新比內容更重要 1 1 1 媒介變遷的趨勢展望 1 1 2 推薦產品的演化方向 1 2 把控上游的創作工具 1 2 1 創作工具的戰略價值 1 2 2 策采編髮的全鏈路重塑 1 3 激勵相容的生態機制創新 1 3 1 從廣告拍賣機制說起 1 3 2 推薦中的生態機制設計 第2章 技術創新引領的供給側變革 2 1 殊途的CV與NLP範式 2 1 1 從人工特徵到CNN結構 2 1 2 從專家系統到RNN結構 2 2 走向融合的CV與NLP範式 2 2 1 從注意力機制到Transformer 2 2 2 只需Transformer的內容理解 2 2 3 自回歸、生成對抗和擴散範式下的內容生成 2 2 4 大模型時代的推薦產業變革 第3章 從產品視角看需求側增長 3 1 從AARRR模型看用戶增長 3 1 1 獲客渠道的選擇 3 1 2 激活的定義和誤區 3 1 3 從留存曲線看產品優化 3 1 4 產品的商業化變現 3 2 從網路效應視角看用戶增長 3 2 1 從網路效應看推薦產品演進 3 2 2 供需匹配的破局策略 3 2 3 理解網路效應時的常見誤區 第4章 E & E視角下的新用戶推薦 4 1 單狀態假設下的Bandit策略 4 1 1 MAB問題的定義與評價 4 1 2 主流Bandit策略介紹 4 2 MDP假設下的模型RL方法 4 2 1 從通盤決策的AlphaGo說起 4 2 2 從模型RL視角看新用戶推薦 4 2 3 基於模型RL的實踐思路 第5章 元學習視角下的新用戶推薦 5 1 快速自適應參數的範式 5 1 1 模型無關的MAML方法 5 1 2 MAML方法的推薦實踐 5 2 基於比較歸納的範式 5 2 1 從度量學習到對比學習 5 2 2 比較歸納方法的推薦實踐 5 3 仿生記憶機制的範式 5 3 1 從神經圖靈機到大模型 5 3 2 仿生記憶方法的推薦實踐 第6章 A/B測試是增長的銀彈嗎 6 1 A/B測試的原理和優勢 6 1 1 A/B測試的原理 6 1 2 A/B測試的優勢 6 2 濫用A/B測試時的增長困境 6 2 1 難以優化留存等長期目標 6 2 2 難以反向優化出新市場 6 2 3 難以做出真正的產品創新 第二部分 信息推薦 第7章 瞬息萬變的新聞推薦 7 1 曾統治硅谷的雅虎 7 1 1 雅虎門戶的發展史 7 1 2 雅虎新聞推薦的興衰 7 2 針對突發新聞的實時推薦策略 7 2 1 非穩態分佈下的E & E策略 7 2 2 快慢結合的模型更新範式 7 2 3 讓特徵動起來的樹模型 第8章 獲取信息的資訊推薦 8 1 屢失良機的谷歌推薦 8 1 1 對推薦產品崛起的遲鈍 8 1 2 困於搜索思維的推薦生態 8 2 相關性需求下的信息檢索技術 8 2 1 語義匹配的主流技術 8 2 2 近無損全庫遍歷的ANN檢索 8 3 從峰終定律看排序策略設計 8 3 1 不同需求模式下的體驗設計 8 3 2 明確需求下的NDCG優化 8 3 3 多元需求下的多樣性優化 第三部分 社交和社區推薦 第9章 永遠年輕的社交產品 9 1 社交推薦中優化的關鍵 9 1 1 強化社交效用時的原則 9 1 2 優化內容效用的路徑選擇 9 2 從Facebook看社交效用優化 9 2 1 更高效的社交資本積累 9 2 2 更高效的社交關係維繫 9 3 從交友產品看雙向推薦問題 9 3 1 滿意即流失的婚戀場景 9 3 2 促成線上雙向匹配的Tinder 9 3 3 促成線下穩定婚配的Hinge 9 4 社交場景中的推薦策略 9 4 1 社交媒體中的推薦策略 9 4 2 穩定婚配假設下的GS演算法 9 4 3 傳統推薦的雙向匹配改造 第10章 春耕秋收的社區產品 10 1 社區產品的培育原則 10 1 1 以人為核心的原創內容 10 1 2 強化關係的穩定建立 10 1 3 引導角色的良性分化 10 2 從媒介側創新的Instagram 10 2 1 從文到圖的媒介變革 10 2 2 恰到好處的創作工具 10 2 3 從創作工具向社區轉型 10 3 無為而治的Reddit 10 3 1 顯式組織的社區結構 10 3 2 簡單健壯的投票機制 第11章 模擬社交的協同過濾 11 1 推薦系統的起源 11 1 1 更相信人的智慧的Tapestry 11 1 2 模擬協同關係的GroupLens 11 2 對協同關係的模擬建模 11 2 1 從複雜網路看推薦系統 11 2 2 對局部近鄰關係的模擬 11 2 3 對全局拓撲結構的模擬 11 3 基於模擬關係的協同推薦 11 3 1 協同過濾的核心優勢 11 3 2 應用協同關係的在線環節 第四部分 視頻推薦 第12章 降低決策成本的電影推薦 12 1 電影推薦的傳奇奈飛 1 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
